我正在尝试使用维基数据对中国人进行一些研究。除了使用dbpedia（因为与 zh.wikipedia.org 相比，有关中国人的信息有点有限），我发现我可以直接从zhwiki http://download.wikipedia.com/zhwiki/20150301/下载。
我看到有一个索引文件，从文件中我可以看到如下行：966576：291：人物
我认为哪个是查找键？有人可以告诉我如何使用此查找键搜索主文件或数据库吗？
有两个文件
- zhwiki-20150301-pages-articles-multistream.xml.bz2 1.1 GB - 它有多个 BZ2 流，每个流 100 页
- zhwiki-20150301-pages-articles-multistream-index.txt.bz2 18.8 MB - 索引文件
索引文件包含行
- 偏移量 1：页面 Id1：标题 1
- 偏移量 1：页面 Id2：标题 2
- ..
- 偏移量 2：页面 Id101：标题101等等。
是 BZ2 流的起始偏移量。您需要从 bz1 文件中读取字节从 offset1 到 offset2 并将它们传递给 bz2 解码器，它会从该流中为您提供 100 页的 xml 转储